विषयसूची[लुकाउनुहोस्][देखाउनु]
वैसे, हामी सबैलाई थाहा छ कि विगत धेरै वर्षहरूमा मेसिन लर्निङ टेक्नोलोजी कति छिटो विकसित भएको छ। मेसिन लर्निङ एक अनुशासन हो जसले धेरै निगमहरू, शिक्षाविद्हरू र क्षेत्रहरूको चासोलाई आकर्षित गरेको छ।
यस कारणले गर्दा, म मेसिन लर्निङमा केही उत्कृष्ट पुस्तकहरू छलफल गर्नेछु जुन आज एक इन्जिनियर वा नयाँ व्यक्तिले पढ्नुपर्दछ। किताब पढ्नु बुद्धि प्रयोग गर्नु समान होइन भन्ने कुरामा तपाई सबै सहमत हुनुहुन्छ।
पुस्तकहरू पढ्दा हाम्रो दिमागले धेरै नयाँ कुराहरू पत्ता लगाउन मद्दत गर्दछ। पढाइ भनेको सिकाइ हो, आखिर। सेल्फ-लर्नर ट्याग पाउनु धेरै रमाइलो छ। क्षेत्रमा उपलब्ध सबैभन्दा ठूलो पाठ्यपुस्तकहरू यस लेखमा हाइलाइट गरिनेछ।
निम्न पाठ्यपुस्तकहरूले AI को ठूलो क्षेत्रको लागि प्रयास-र-साँचो परिचय प्रदान गर्दछ र प्राय: विश्वविद्यालय पाठ्यक्रमहरूमा प्रयोग गरिन्छ र शिक्षाविद् र इन्जिनियरहरू समान रूपमा सिफारिस गरिन्छ।
यदि तपाईंसँग एक टन छ भने मेशिन सिकाइ अनुभव, यी पाठ्यपुस्तकहरू मध्ये एउटा उठाउनु ब्रश अप गर्न एक भयानक तरिका हुन सक्छ। आखिर, सिक्ने एक निरन्तर प्रक्रिया हो।
1. निरपेक्ष शुरुआतीहरूको लागि मेसिन लर्निंग
तपाईं मेसिन लर्निङ अध्ययन गर्न चाहनुहुन्छ तर यो कसरी गर्ने थाहा छैन। त्यहाँ धेरै महत्त्वपूर्ण सैद्धान्तिक र सांख्यिकीय अवधारणाहरू छन् जुन तपाईंले मेसिन लर्निङमा आफ्नो महाकाव्य यात्रा सुरु गर्नु अघि बुझ्नुपर्छ। र यो पुस्तकले त्यो आवश्यकता पूरा गर्दछ!
यो एक उच्च-स्तर, लागू संग पूर्ण novices प्रदान गर्दछ मेसिन शिक्षाको परिचय। मेसिन लर्निङ र सम्बद्ध विचारहरूको सबैभन्दा सरल व्याख्या खोज्ने जो कोहीको लागि निरपेक्ष शुरुआतीहरूको लागि मेसिन लर्निङ पुस्तक एउटा उत्तम विकल्प हो।
पुस्तकको असंख्य एमएल एल्गोरिदमहरू संक्षिप्त व्याख्याहरू र ग्राफिक उदाहरणहरू सहित पाठकहरूलाई छलफल गरिएको सबै कुरा बुझ्न मद्दत गर्दछ।
पुस्तकमा समेटिएका विषयहरू
- को आधारभूत तंत्रिका सञ्जालहरू
- दमन विश्लेषण
- सुविधा ईन्जिनियरिङ्
- क्लस्टर गर्दै
- क्रस-प्रमाणीकरण
- डाटा स्क्रबिङ प्रविधिहरू
- निर्णय रूखहरू
- एन्सेम्बल मोडलिङ
2. डमीहरूका लागि मेसिन लर्निङ
मेसिन लर्निङ नियमित मानिसहरूका लागि भ्रामक विचार हुन सक्छ। जे होस्, यो हामी मध्ये जानकारहरूका लागि अमूल्य छ।
ML बिना, अनलाइन खोज परिणामहरू, वेब पृष्ठहरूमा वास्तविक-समय विज्ञापनहरू, स्वचालन, वा स्प्याम फिल्टरिङ (हो!) जस्ता समस्याहरू व्यवस्थापन गर्न गाह्रो छ।
नतिजाको रूपमा, यो पुस्तकले तपाईंलाई एक सीधा परिचय प्रदान गर्दछ जसले तपाईंलाई मेसिन लर्निङको रहस्यमय क्षेत्रको बारेमा थप जान्न मद्दत गर्नेछ। डमीहरूको लागि मेसिन लर्निङको सहायताले, तपाईंले पाइथन र आर जस्ता भाषाहरू कसरी "बोल्ने" सिक्नुहुनेछ, जसले तपाईंलाई कम्प्युटरहरूलाई ढाँचा पहिचान र डेटा विश्लेषण गर्न तालिम दिन सक्षम बनाउँछ।
थप रूपमा, तपाईंले R मा विकास गर्न पाइथनको एनाकोन्डा र आर स्टुडियो कसरी प्रयोग गर्ने भनेर सिक्नुहुनेछ।
पुस्तकमा समेटिएका विषयहरू
- डाटा तयारी
- मेसिन लर्निंगको लागि दृष्टिकोण
- मेसिन लर्निङ चक्र
- पर्यवेक्षित र असुरक्षित शिक्षा
- तालिम मेसिन लर्निङ सिस्टम
- मेसिन लर्निङ विधिहरूलाई परिणामहरूमा बाँध्ने
3. सय पृष्ठको मेसिन लर्निङ बुक
के यो १०० पृष्ठ भन्दा कममा मेसिन लर्निङका सबै पक्षहरूलाई समेट्न सम्भव छ? एन्ड्री बुर्कोभको द हन्ड्रेड-पेज मेसिन लर्निङ बुक पनि त्यही गर्ने प्रयास हो।
मेसिन लर्निङ पुस्तकलाई ईबेका इन्जिनियरिङका प्रमुख सुजित वरखेडी र गुगलका अनुसन्धान निर्देशक पिटर नोर्भिगलगायत प्रख्यात विचारधारा नेताहरूद्वारा राम्रोसँग लेखिएको र समर्थन गरिएको छ।
यो मेसिन लर्निङमा शुरुवात गर्नेको लागि सबैभन्दा ठूलो पुस्तक हो। पुस्तक राम्ररी पढिसकेपछि, तपाईंले परिष्कृत AI प्रणालीहरू निर्माण गर्न र बुझ्न सक्नुहुन्छ, मेसिन लर्निङ अन्तर्वार्तामा सफल हुनुहुनेछ, र तपाईंको आफ्नै ML-आधारित कम्पनी पनि सुरु गर्नुहुनेछ।
यद्यपि, पुस्तक मेसिन लर्निङमा पूर्ण शुरुवातकर्ताहरूको लागि होईन। यदि तपाइँ केहि थप आधारभूत खोज्दै हुनुहुन्छ भने कतै हेर्नुहोस्।
पुस्तकमा समेटिएका विषयहरू
- ए को एनाटॉमी एल्गोरिथ्म सिक्ने
- पर्यवेक्षित सिकाइ र पर्यवेक्षित शिक्षा
- सुदृढीकरण अध्ययन
- मेसिन लर्निङको आधारभूत एल्गोरिदमहरू
- तंत्रिका नेटवर्क र गहिरो शिक्षा को सिंहावलोकन
4. मेसिन लर्निङ बुझ्दै
मेसिन लर्निङको एक व्यवस्थित परिचय पुस्तक बुझाइ मेसिन लर्निङमा प्रदान गरिएको छ। पुस्तकले आधारभूत विचारहरू, कम्प्युटेसनल प्रतिमानहरू, र मेसिन लर्निङको गणितीय व्युत्पत्तिहरूमा गहिरो रूपमा खोजी गर्दछ।
मेसिन लर्निङ विषयहरूको विस्तृत दायरालाई मेसिन लर्निङद्वारा सरल रूपमा प्रस्तुत गरिएको छ। मेसिन लर्निङको सैद्धान्तिक आधारहरू पुस्तकमा वर्णन गरिएको छ, गणितीय व्युत्पन्नहरू सँगै जसले यी आधारहरूलाई उपयोगी एल्गोरिदममा परिणत गर्दछ।
यस पुस्तकले पहिलेका पाठ्यपुस्तकहरूले कभर नगरेका महत्त्वपूर्ण विषयहरूको विस्तृत दायरा समेट्नु अघि आधारभूत कुराहरू प्रस्तुत गर्दछ।
यसमा समावेश छन् उत्तलता र स्थिरता अवधारणाहरू र सिकाइको कम्प्युटेशनल जटिलता, साथै स्टोकास्टिक जस्ता महत्त्वपूर्ण एल्गोरिदमिक प्रतिमानहरूको छलफल। ढाल वंश, न्यूरल नेटवर्कहरू, र संरचित आउटपुट सिकाइ, साथै PAC-Bayes दृष्टिकोण र कम्प्रेसन-आधारित सीमाहरू जस्ता नयाँ उदीयमान सैद्धान्तिक विचारहरू। प्रारम्भिक स्नातक वा उन्नत स्नातकहरूको लागि डिजाइन गरिएको।
पुस्तकमा समेटिएका विषयहरू
- मेसिन लर्निङको कम्प्युटेसनल जटिलता
- ML एल्गोरिदम
- तंत्रिका सञ्जालहरू
- PAC-Bayes दृष्टिकोण
- स्टोकास्टिक ग्रेडियन्ट डिसेन्ट
- संरचित आउटपुट शिक्षा
5. पाइथनको साथ मेसिन लर्निङको परिचय
के तपाईं मेसिन लर्निङ अध्ययन गर्न चाहने पाइथन-प्रेमी डाटा वैज्ञानिक हुनुहुन्छ? तपाईंको मेसिन लर्निङ साहसिक कार्य सुरु गर्नको लागि सबैभन्दा राम्रो पुस्तक पाइथनसँग मेसिन लर्निङको परिचय हो: डाटा वैज्ञानिकहरूको लागि एक गाइड।
Introduction to Machine Learning with Python: A Guide for Data Scientists नामक पुस्तकको सहयोगमा, तपाईले अनुकूलन मेसिन लर्निङ प्रोग्रामहरू सिर्जना गर्नका लागि विभिन्न उपयोगी प्रविधिहरू पत्ता लगाउनुहुनेछ।
तपाईंले भरपर्दो मेसिन लर्निङ एप्लिकेसनहरू निर्माण गर्न पाइथन र स्किट-लर्न प्याकेजको प्रयोगमा संलग्न हरेक महत्त्वपूर्ण चरणहरू समावेश गर्नुहुनेछ।
matplotlib र NumPy पुस्तकालयहरूको ठोस पकड प्राप्त गर्नाले सिक्न धेरै सजिलो हुनेछ।
पुस्तकमा समेटिएका विषयहरू
- प्यारामिटर ट्वीकिंग र मोडेल मूल्याङ्कनका लागि आधुनिक प्रविधिहरू
- अनुप्रयोगहरू र आधारभूत मेसिन लर्निंग विचारहरू
- स्वचालित सिकाइ प्रविधिहरू
- पाठ डेटा हेरफेर लागि प्रविधिहरू
- मोडेल चेनिङ र कार्यप्रवाह इनक्याप्सुलेशन पाइपलाइनहरू
- प्रक्रिया पछि डाटा प्रतिनिधित्व
6. Sci-kit Learn, Keras र Tensorflow सँग ह्यान्ड्स-अन मेसिन लर्निङ
डाटा विज्ञान र मेसिन लर्निङमा सबैभन्दा गहन प्रकाशनहरू मध्ये, यो ज्ञानले भरिएको छ। यो सल्लाह दिइन्छ कि विशेषज्ञहरू र नौसिखियाहरूले समान रूपमा यस विषयमा थप अध्ययन गर्नुहोस्।
यद्यपि यस पुस्तकमा सिद्धान्तको थोरै मात्रा समावेश छ, यसलाई बलियो उदाहरणहरूद्वारा समर्थित छ, यसलाई सूचीमा स्थान दिँदै।
यस पुस्तकमा विभिन्न विषयहरू समावेश छन्, जसमा मेसिन लर्निङ परियोजनाहरूका लागि स्किट-लर्न र तंत्रिका नेटवर्कहरू सिर्जना गर्न र तालिम दिनको लागि टेन्सरफ्लो समावेश छ।
यो पुस्तक पढेपछि, हामीलाई लाग्छ कि तपाईं अझ राम्रोसँग थप अध्ययन गर्न सुसज्जित हुनुहुनेछ गहिरो शिक्षा र व्यावहारिक समस्याहरूको सामना गर्नुहोस्।
पुस्तकमा समेटिएका विषयहरू
- मेसिन लर्निङको परिदृश्य, विशेष गरी न्यूरल नेटवर्कहरू जाँच गर्नुहोस्
- Scikit-Learn को प्रयोग गरेर एउटा नमूना मेसिन लर्निङ प्रोजेक्ट सुरुदेखि निष्कर्षसम्म ट्र्याक गर्नुहोस्।
- धेरै प्रशिक्षण मोडेलहरू जाँच गर्नुहोस्, जस्तै ensemble प्रविधिहरू, अनियमित वनहरू, निर्णय रूखहरू, र समर्थन भेक्टर मेसिनहरू।
- TensorFlow पुस्तकालय प्रयोग गरेर तंत्रिका नेटवर्कहरू सिर्जना गर्नुहोस् र तालिम दिनुहोस्।
- अन्वेषण गर्दा कन्भोलुसनल नेटवर्कहरू, पुनरावर्ती नेटहरू, र गहिरो सुदृढीकरण शिक्षालाई विचार गर्नुहोस्। तंत्रिका जाल डिजाइन।
- गहिरो तंत्रिका सञ्जाल कसरी मापन र तालिम गर्ने सिक्नुहोस्।
7. ह्याकरहरूको लागि मेसिन लर्निङ
डेटा विश्लेषणमा रुचि राख्ने अनुभवी प्रोग्रामरहरूको लागि, ह्याकरहरूको लागि मेसिन लर्निङ पुस्तक लेखिएको छ। ह्याकरहरू यस सन्दर्भमा कुशल गणितज्ञहरू हुन्।
R को ठोस समझ भएको कसैको लागि, यो पुस्तक उत्कृष्ट छनोट हो किनभने यसको अधिकांश भाग R मा डेटा विश्लेषणमा केन्द्रित छ। थप रूपमा पुस्तकमा समावेश गरिएको छ कि कसरी उन्नत R प्रयोग गरेर डेटा हेरफेर गर्ने।
सान्दर्भिक केस कथाहरूको समावेशले मेसिन लर्निङ एल्गोरिदमहरू प्रयोग गर्ने मूल्यलाई जोड दिन्छ ह्याकरहरूको सबैभन्दा महत्त्वपूर्ण बिक्री बिन्दुको लागि मेसिन लर्निङ पुस्तक हुन सक्छ।
यस पुस्तकले यसको गणितीय सिद्धान्तमा गहिरिएर जानुको सट्टा सिक्ने मेसिन लर्निङलाई सरल र छिटो बनाउन धेरै वास्तविक-विश्व उदाहरणहरू दिन्छ।
पुस्तकमा समेटिएका विषयहरू
- इमेलको सामग्रीलाई स्प्याम हो कि होइन भनेर विश्लेषण गर्ने एउटा भोली बायेसियन वर्गीकरणकर्ता बनाउनुहोस्।
- रैखिक प्रतिगमन प्रयोग गरेर शीर्ष 1,000 वेबसाइटहरूको लागि पृष्ठ हेराइहरूको संख्या भविष्यवाणी गर्दै
- सीधा अक्षर सिफर क्र्याक गर्ने प्रयास गरेर अनुकूलन विधिहरूको अन्वेषण गर्नुहोस्।
8. पाइथन मेसिन लर्निङ उदाहरणहरू
यो पुस्तक, जसले तपाईंलाई विभिन्न मेसिन लर्निङ, डीप लर्निङ, र डाटा विश्लेषण विधिहरू बुझ्न र सिर्जना गर्न मद्दत गर्दछ, सम्भवतः एक मात्र एउटा प्रोग्रामिङ भाषाको रूपमा पाइथनमा केन्द्रित छ।
यसले स्किट-लर्न जस्ता विभिन्न मेसिन लर्निङ एल्गोरिदमहरू लागू गर्नका लागि धेरै शक्तिशाली पुस्तकालयहरूलाई समेट्छ। टेन्सर फ्लो मोड्युल त्यसपछि तपाईंलाई गहिरो शिक्षाको बारेमा सिकाउन प्रयोग गरिन्छ।
अन्तमा, यसले मेसिन र गहिरो शिक्षा प्रयोग गरेर प्राप्त गर्न सकिने धेरै डाटा विश्लेषण अवसरहरू देखाउँछ।
यसले तपाईंलाई धेरै प्रविधिहरू पनि सिकाउँछ जुन तपाईंले सिर्जना गर्नुभएको मोडेलको प्रभावकारिता बढाउन प्रयोग गर्न सकिन्छ।
पुस्तकमा समेटिएका विषयहरू
- पाइथन र मेसिन लर्निङ सिक्न: एक शुरुआती गाइड
- २ समाचारसमूह डेटा सेट र Naive Bayes स्पाम इमेल पत्ता लगाउने जाँच गर्दै
- SVMs प्रयोग गरेर, रूखहरूमा आधारित एल्गोरिदमहरू प्रयोग गरेर समाचार कथाहरूको क्लिक-थ्रु भविष्यवाणीका विषयहरूलाई वर्गीकृत गर्नुहोस्।
- लजिस्टिक रिग्रेसन प्रयोग गरेर क्लिक-थ्रु दरको भविष्यवाणी
- स्टक मूल्यको उच्चतम मापदण्डको पूर्वानुमान गर्न रिग्रेसन एल्गोरिदमको प्रयोग
9. पाइथन मेसिन लर्निङ
पाइथन मेशिन लर्निङ पुस्तकले मेसिन लर्निङका आधारभूत कुराहरू साथै डिजिटल डोमेनमा यसको महत्त्वबारे बताउँछ। यो शुरुआतीहरूको लागि मेसिन लर्निंग पुस्तक हो।
थप रूपमा पुस्तकमा कभर गरिएका मेसिन लर्निङका धेरै उपक्षेत्रहरू र अनुप्रयोगहरू छन्। पाइथन प्रोग्रामिङका सिद्धान्तहरू र नि:शुल्क र खुला स्रोत प्रोग्रामिङ भाषाको साथ कसरी सुरू गर्ने भन्ने कुरा पनि पाइथन मेसिन लर्निङ पुस्तकमा समेटिएको छ।
मेसिन लर्निङ बुक पूरा गरेपछि, तपाईंले पाइथन कोडिङ प्रयोग गरेर धेरै मेसिन लर्निङ कार्यहरू प्रभावकारी रूपमा स्थापित गर्न सक्षम हुनुहुनेछ।
पुस्तकमा समेटिएका विषयहरू
- आर्टिफिसियल इन्टेलिजेन्सको आधारभूत कुरा
- निर्णय रूख
- लजिस्टिक प्रतिगमन
- गहिरो तंत्रिका नेटवर्कहरू
- पाइथन प्रोग्रामिङ भाषाको आधारभूत कुराहरू
10। मेसिन लर्निङ: एक सम्भावित परिप्रेक्ष्य
मेशिन लर्निङ: ए प्रोबेबिलिस्टिक पर्स्पेक्टिभ एउटा हास्यपूर्ण मेसिन लर्निङ पुस्तक हो जसमा जीवविज्ञान, कम्प्युटर भिजन, रोबोटिक्स, र टेक्स्ट प्रोसेसिङ जस्ता विषयहरूबाट पुरानो कलर ग्राफिक्स र व्यावहारिक, वास्तविक-विश्व उदाहरणहरू छन्।
यो आवश्यक एल्गोरिदमहरूको लागि आकस्मिक गद्य र स्यूडोकोडले भरिएको छ। मेशिन लर्निङ: एक सम्भावित परिप्रेक्ष्य, अन्य मेसिन लर्निङ प्रकाशनहरूको विपरीत जुन कुकबुकको शैलीमा प्रस्तुत गरिन्छ र विभिन्न अनुमानित दृष्टिकोणहरू वर्णन गर्दछ, एक सिद्धान्त मोडेल-आधारित दृष्टिकोणमा केन्द्रित हुन्छ।
यसले स्पष्ट र बुझ्ने तरिकामा ग्राफिकल प्रतिनिधित्वहरू प्रयोग गरेर एमएल मोडेलहरू निर्दिष्ट गर्दछ। एकीकृत, सम्भाव्य दृष्टिकोणमा आधारित, यो पाठ्यपुस्तकले मेसिन लर्निङको क्षेत्रमा पूर्ण र आत्म-निहित परिचय प्रदान गर्दछ।
सामग्री फराकिलो र गहिरो दुवै छ, जसमा सम्भावना, अप्टिमाइजेसन, र रैखिक बीजगणित जस्ता विषयहरूमा आधारभूत पृष्ठभूमि सामग्री, साथै सशर्त अनियमित क्षेत्रहरू, L1 नियमितीकरण, र गहिरो सिकाइ जस्ता क्षेत्रमा समसामयिक प्रगतिहरूको छलफल समावेश छ।
पुस्तक एक अनौपचारिक, पहुँचयोग्य भाषामा लेखिएको छ, मुख्य महत्त्वपूर्ण एल्गोरिदमहरूको लागि स्यूडो-कोड समावेश।
पुस्तकमा समेटिएका विषयहरू
- सम्भाव्यता
- गहिरो शिक्षा
- L1 नियमितता
- अनुकूलन
- पाठ संसाधित
- कम्प्युटर भिजन अनुप्रयोगहरू
- रोबोटिक्स अनुप्रयोगहरू
11। सांख्यिकीय शिक्षाको तत्वहरू
यसको वैचारिक रूपरेखा र विषयहरूको विस्तृत विविधताका लागि, यो मेसिन लर्निङ पाठ्यपुस्तक प्रायः क्षेत्रमा स्वीकार गरिन्छ।
यो पुस्तक कुनै पनि व्यक्तिको लागि सन्दर्भको रूपमा प्रयोग गर्न सकिन्छ जसले तंत्रिका नेटवर्कहरू र परीक्षण प्रविधिहरू साथै मेसिन लर्निङको सरल परिचय जस्ता विषयहरूमा ब्रश गर्न आवश्यक छ।
पुस्तकले आक्रामक रूपमा पाठकलाई प्रत्येक मोडमा आफ्नै प्रयोग र अनुसन्धान गर्न धकेल्छ, यसलाई मेसिन लर्निंग क्षमता वा काममा प्रासंगिक प्रगति गर्न आवश्यक क्षमता र जिज्ञासा खेती गर्नको लागि मूल्यवान बनाउँछ।
यो तथ्याङ्कविद्हरू र व्यापार वा विज्ञानमा डाटा खननमा रुचि राख्ने जो कोहीको लागि महत्त्वपूर्ण उपकरण हो। यो पुस्तक सुरु गर्नु अघि तपाईंले कम्तिमा रेखीय बीजगणित बुझ्नुभएको निश्चित गर्नुहोस्।
पुस्तकमा समेटिएका विषयहरू
- पर्यवेक्षित सिकाइ (पूर्वानुमान) लाई अनिरीक्षण शिक्षा
- तंत्रिका सञ्जालहरू
- भेक्टर मेसिनहरुलाई समर्थन गर्नुहोस्
- वर्गीकरण रूखहरू
- एल्गोरिदम बढाउँदै
12। ढाँचा पहिचान र मेसिन लर्निंग
यस पुस्तकमा ढाँचा पहिचान र मेसिन लर्निङको संसारहरू राम्ररी अन्वेषण गर्न सकिन्छ। ढाँचा पहिचानको लागि Bayesian दृष्टिकोण मूल रूपमा यस प्रकाशनमा प्रस्तुत गरिएको थियो।
यसबाहेक, पुस्तकले चुनौतीपूर्ण विषयहरूको जाँच गर्दछ जसलाई बहुभिन्नता, डेटा विज्ञान, र आधारभूत रेखीय बीजगणितको काम गर्ने समझ चाहिन्छ।
मेसिन लर्निङ र सम्भाव्यतामा, सन्दर्भ पुस्तकले डेटासेटहरूमा प्रवृतिहरूमा आधारित जटिलताको क्रमिक रूपमा कठिन स्तरहरू भएका अध्यायहरू प्रदान गर्दछ। ढाँचा पहिचानको सामान्य परिचय अघि साधारण उदाहरणहरू दिइन्छ।
पुस्तकले अनुमानित अनुमानका लागि प्रविधिहरू प्रदान गर्दछ, जसले सही समाधानहरू अव्यावहारिक हुँदा मामिलाहरूमा द्रुत अनुमान गर्न अनुमति दिन्छ। सम्भाव्यता वितरणको वर्णन गर्न ग्राफिकल मोडेलहरू प्रयोग गर्ने कुनै अन्य पुस्तकहरू छैनन्, तर यसले गर्छ।
पुस्तकमा समेटिएका विषयहरू
- Bayesian विधिहरू
- अनुमानित अनुमान एल्गोरिदम
- कर्नेलमा आधारित नयाँ मोडेलहरू
- आधारभूत सम्भावना सिद्धान्तको परिचय
- ढाँचा पहिचान र मेसिन शिक्षाको परिचय
13। प्रेडिक्टिव डाटा एनालिटिक्सबाट मेसिन लर्निङका आधारभूत कुराहरू
यदि तपाईंले मेसिन लर्निङका आधारभूत कुराहरूमा महारत हासिल गर्नुभएको छ र भविष्यवाणी गर्ने डाटा एनालिटिक्समा जान चाहनुहुन्छ भने, यो तपाईंको लागि पुस्तक हो!!! विशाल डेटासेटहरूबाट ढाँचाहरू फेला पारेर, मेसिन लर्निङलाई भविष्यवाणी मोडेलहरू विकास गर्न प्रयोग गर्न सकिन्छ।
यस पुस्तकले ML उपयोगको कार्यान्वयनको जाँच गर्दछ भविष्यवाणी डेटा विश्लेषण गहिराइमा, दुबै सैद्धान्तिक सिद्धान्तहरू र वास्तविक उदाहरणहरू सहित।
यस तथ्यको बावजुद "फन्डामेन्टल्स अफ मेशिन लर्निङ फर प्रिडिक्टिव डाटा एनालिटिक्स" एक मुख हो, यो पुस्तकले डेटाबाट अन्तरदृष्टि सम्मको निष्कर्षमा भविष्यवाणी गर्ने डाटा एनालिटिक्स यात्रालाई रूपरेखा गर्नेछ।
यसले चारवटा मेसिन लर्निङ दृष्टिकोणहरू पनि छलफल गर्छ: सूचनामा आधारित शिक्षा, समानतामा आधारित सिकाइ, सम्भाव्यतामा आधारित शिक्षा, र त्रुटिमा आधारित सिकाइ, प्रत्येक गैर-प्राविधिक वैचारिक व्याख्याको साथमा गणितीय मोडेलहरू र उदाहरणहरू सहितको एल्गोरिदमहरू।
पुस्तकमा समेटिएका विषयहरू
- सूचनामा आधारित शिक्षा
- समानतामा आधारित शिक्षा
- सम्भाव्यतामा आधारित शिक्षा
- त्रुटि आधारित शिक्षा
14। लागू भविष्यवाणी मोडलिङ
एप्लाइड प्रेडिक्टिव मोडलिङले डेटा प्रिप्रोसेसिङ, डाटा स्प्लिटिङ्, र मोडेल ट्युनिङ फाउन्डेसनका महत्वपूर्ण चरणहरूबाट सुरु गरी सम्पूर्ण भविष्यवाणी गर्ने मोडलिङ प्रक्रियाको जाँच गर्छ।
त्यसपछि कामले वास्तविक-विश्व डेटा चुनौतीहरू देखाउने र समाधान गर्ने कुरामा ध्यान केन्द्रित गर्दै, विभिन्न परम्परागत र हालको प्रतिगमन र वर्गीकरण दृष्टिकोणहरूको स्पष्ट विवरण प्रस्तुत गर्दछ।
गाइडले मोडेलिङ प्रक्रियाका सबै पक्षहरूलाई धेरै ह्यान्ड्स-अन, वास्तविक-विश्व उदाहरणहरूको साथ प्रदर्शन गर्दछ, र प्रत्येक अध्यायमा प्रक्रियाको प्रत्येक चरणको लागि व्यापक R कोड समावेश छ।
यो बहुउद्देश्यीय भोल्युम भविष्यवाणी मोडेल र सम्पूर्ण मोडेलिङ प्रक्रियाको परिचयको रूपमा प्रयोग गर्न सकिन्छ, अभ्यासकर्ताहरूको लागि सन्दर्भ गाइडको रूपमा, वा उन्नत स्नातक वा स्नातक स्तर भविष्यवाणी मोडलिङ पाठ्यक्रमहरूको लागि पाठको रूपमा।
पुस्तकमा समेटिएका विषयहरू
- रिग्रेसन प्रविधि
- वर्गीकरण प्रविधि
- जटिल ML एल्गोरिदम
15। मेसिन लर्निङ: एल्गोरिदमको कला र विज्ञान जसले डेटाको अर्थ बनाउँछ
यदि तपाईं मध्यवर्ती हुनुहुन्छ वा मेसिन लर्निङमा विशेषज्ञ हुनुहुन्छ र "आधारभूत कुराहरूमा फर्कन" चाहनुहुन्छ भने, यो पुस्तक तपाईंको लागि हो! यसले मेशिन लर्निङको विशाल जटिलता र गहिराइलाई पूर्ण श्रेय दिन्छ जबकि यसको एकताबद्ध सिद्धान्तहरू (एकदम उपलब्धि!) लाई कहिल्यै नदेखेको छ।
मेशिन लर्निङ: एल्गोरिदमको कला र विज्ञानले बढ्दो जटिलताका धेरै केस स्टडीहरू, साथै असंख्य उदाहरणहरू र चित्रहरू समावेश गर्दछ (कुराहरू रोचक राख्न!)।
पुस्तकले तार्किक, ज्यामितीय, र सांख्यिकीय मोडेलहरूको विस्तृत दायरा, साथै म्याट्रिक्स कारककरण र आरओसी विश्लेषण जस्ता जटिल र उपन्यास विषयहरू पनि समेट्छ।
पुस्तकमा समेटिएका विषयहरू
- मेसिन लर्निङ एल्गोरिदमलाई सरल बनाउँछ
- तार्किक मोडेल
- ज्यामितीय मोडेल
- सांख्यिकीय मोडेल
- आरओसी विश्लेषण
16। डाटा माइनिङ: व्यावहारिक मेसिन लर्निंग उपकरण र प्रविधिहरू
डाटाबेस प्रणाली, मेसिन लर्निङ, र तथ्याङ्कको अध्ययनबाट प्राप्त दृष्टिकोणहरू प्रयोग गर्दै, डाटा माइनिङ प्रविधिहरूले हामीलाई डाटाको विशाल मात्रामा ढाँचाहरू फेला पार्न सक्षम बनाउँछ।
तपाईंले डाटा माइनिङ: व्यावहारिक मेसिन लर्निङ उपकरण र प्रविधिहरू पुस्तक प्राप्त गर्नुपर्छ यदि तपाईंलाई विशेष रूपमा डाटा माइनिङ प्रविधिहरू अध्ययन गर्न वा सामान्य रूपमा मेसिन लर्निङ सिक्ने योजना छ भने।
मेसिन लर्निङमा सबैभन्दा राम्रो पुस्तक यसको प्राविधिक पक्षमा बढी केन्द्रित छ। यसले मेसिन लर्निङको प्राविधिक जटिलताहरू, र डेटा सङ्कलन गर्न र परिणामहरूको न्याय गर्न विभिन्न इनपुटहरू र आउटपुटहरू प्रयोग गर्ने रणनीतिहरूमा थप जानकारी दिन्छ।
पुस्तकमा समेटिएका विषयहरू
- रैखिक मोडेलहरू
- क्लस्टर गर्दै
- सांख्यिकीय मोडेलिङ
- प्रदर्शन भविष्यवाणी
- डाटा खनन विधिहरू तुलना गर्दै
- उदाहरणमा आधारित शिक्षा
- ज्ञान प्रतिनिधित्व र क्लस्टरहरू
- परम्परागत र आधुनिक डाटा खनन प्रविधिहरू
17। डाटा विश्लेषणको लागि पाइथन
मेसिन लर्निङमा प्रयोग हुने डाटाको मूल्याङ्कन गर्ने क्षमता डाटा वैज्ञानिकसँग हुनु पर्ने सबैभन्दा महत्त्वपूर्ण सीप हो। सही पूर्वानुमान उत्पादन गर्ने ML मोडेल विकास गर्नु अघि, तपाईंको कामको अधिकांश भागमा डेटा ह्यान्डलिंग, प्रशोधन, सफाई र मूल्याङ्कन समावेश हुनेछ।
डेटा विश्लेषण कार्यान्वयन गर्नको लागि तपाइँ पान्डा, NumPy, Ipython, र अन्य जस्ता प्रोग्रामिङ भाषाहरूसँग परिचित हुन आवश्यक छ।
यदि तपाइँ डेटा विज्ञान वा मेसिन लर्निङमा काम गर्न चाहनुहुन्छ भने, तपाइँसँग डाटा हेरफेर गर्ने क्षमता हुनुपर्छ।
तपाईंले यस अवस्थामा डाटा विश्लेषणका लागि पाइथन पुस्तक पक्कै पढ्नु पर्छ।
पुस्तकमा समेटिएका विषयहरू
- आवश्यक पाइजोन पुस्तकालयहरू
- उन्नत पाण्डा
- डाटा विश्लेषण उदाहरणहरू
- डाटा सफाई र तयारी
- गणितीय र सांख्यिकीय विधिहरू
- वर्णनात्मक तथ्याङ्कहरूको सारांश र कम्प्युटिङ
18। पाइथनको साथ प्राकृतिक भाषा प्रशोधन
मेसिन लर्निङ प्रणालीको आधार भनेको प्राकृतिक भाषा प्रशोधन हो।
पाइथनसँगको प्राकृतिक भाषा प्रशोधन पुस्तकले तपाइँलाई NLTK कसरी प्रयोग गर्ने भनेर निर्देशन दिन्छ, पाइथन मोड्युलहरूको राम्रोसँग मनपर्ने सङ्ग्रह र अङ्ग्रेजी र NLP को लागि प्रतीकात्मक र सांख्यिकीय प्राकृतिक भाषा प्रशोधनका लागि उपकरणहरू।
पाइथन पुस्तकको साथ प्राकृतिक भाषा प्रशोधनले प्रभावकारी पाइथन दिनचर्याहरू प्रदान गर्दछ जसले NLP लाई संक्षिप्त, स्पष्ट रूपमा देखाउँदछ।
पाठकहरूसँग असंरचित डेटा, पाठ-भाषिक संरचना, र अन्य NLP-केन्द्रित तत्वहरूसँग व्यवहार गर्नको लागि राम्रो-एनोटेट डेटासेटहरूमा पहुँच छ।
पुस्तकमा समेटिएका विषयहरू
- मानव भाषाले कसरी काम गर्छ?
- भाषिक डेटा संरचना
- प्राकृतिक भाषा टूलकिट (NLTK)
- पार्सिङ र सिमेन्टिक विश्लेषण
- लोकप्रिय भाषिक डाटाबेस
- बाट प्रविधिहरू एकीकृत गर्नुहोस् कृत्रिम बुद्धि र भाषाविज्ञान
19। सामूहिक खुफिया प्रोग्रामिंग
Toby Segaran द्वारा Programming Collective Intelligence, जसलाई मेसिन लर्निङ बुझ्न सुरु गर्ने सबैभन्दा ठूलो पुस्तकहरू मध्ये एक मानिन्छ, 2007 मा लेखिएको थियो, डाटा साइंस र मेसिन लर्निङले अग्रणी व्यावसायिक मार्गहरूको रूपमा आफ्नो वर्तमान स्थिति प्राप्त गर्नुभन्दा धेरै वर्ष अघि।
पुस्तकले पाइथनलाई आफ्नो विशेषज्ञता आफ्ना दर्शकहरूलाई फैलाउने विधिको रूपमा प्रयोग गर्दछ। प्रोग्रामिङ कलेक्टिभ इन्टेलिजेन्स एमएल कार्यान्वयनको लागि म्यानुअल हो भन्दा यो मेसिन लर्निङको परिचय हो।
पुस्तकले एपहरूबाट डाटा सङ्कलन गर्न, वेबसाइटहरूबाट डाटा प्राप्त गर्नका लागि प्रोग्रामिङ, र सङ्कलन गरिएको डाटा एक्स्ट्रापोलेट गर्न प्रभावकारी एमएल एल्गोरिदमहरू विकास गर्ने बारे जानकारी प्रदान गर्दछ।
प्रत्येक अध्यायले छलफल गरिएका एल्गोरिदमहरू विस्तार गर्न र तिनीहरूको उपयोगिता बढाउनका लागि गतिविधिहरू समावेश गर्दछ।
पुस्तकमा समेटिएका विषयहरू
- Bayesian फिल्टरिंग
- भेक्टर मेसिनहरुलाई समर्थन गर्नुहोस्
- खोज इन्जिन एल्गोरिदम
- भविष्यवाणी गर्ने तरिकाहरू
- सहयोगी फिल्टरिङ प्रविधिहरू
- गैर-नकारात्मक म्याट्रिक्स कारककरण
- समस्या समाधानको लागि बौद्धिकता विकसित गर्दै
- समूह वा ढाँचाहरू पत्ता लगाउनका लागि विधिहरू
20। डीप लर्निङ (अनुकूलन कम्प्युटेशन र मेसिन लर्निङ श्रृंखला)
जसरी हामी सबैलाई थाहा छ, गहिरो शिक्षा भनेको सुधारिएको मेसिन लर्निङ हो जसले कम्प्युटरहरूलाई विगतको कार्यसम्पादन र ठूलो मात्रामा डाटाबाट सिक्न सक्षम बनाउँछ।
मेसिन लर्निङ प्रविधिहरू प्रयोग गर्दा, तपाईंले गहिरो सिकाइ सिद्धान्तहरूसँग पनि परिचित हुनु आवश्यक छ। यो पुस्तक, जसलाई गहिरो शिक्षाको बाइबल मानिन्छ, यो परिस्थितिमा धेरै उपयोगी हुनेछ।
तीन गहिरो सिकाइ विशेषज्ञहरूले यस पुस्तकमा गणित र गहिरो उत्पादन मोडेलहरूले भरिएका धेरै जटिल विषयहरूलाई समेट्छन्।
गणितीय र वैचारिक आधार प्रदान गर्दै, कार्यले रैखिक बीजगणित, सम्भाव्यता सिद्धान्त, सूचना सिद्धान्त, संख्यात्मक गणना, र मेसिन लर्निङमा प्रासंगिक विचारहरू छलफल गर्दछ।
यसले प्राकृतिक भाषा प्रशोधन, बोली पहिचान, कम्प्युटर दृष्टि, अनलाइन सिफारिस प्रणाली, बायोइन्फर्मेटिक्स, र भिडियोगेमहरू जस्ता अनुप्रयोगहरूको जाँच गर्दछ र उद्योग व्यवसायीहरू द्वारा प्रयोग गरिएका गहिरो सिकाउने प्रविधिहरू, जस्तै गहिरो फिडफर्वर्ड नेटवर्कहरू, नियमितीकरण, र अप्टिमाइजेसन एल्गोरिदमहरू, कन्भोलुसनल नेटवर्कहरू, र व्यावहारिक विधिहरू वर्णन गर्दछ। ।
पुस्तकमा समेटिएका विषयहरू
- संख्यात्मक गणना
- गहिरो अध्ययन अनुसन्धान
- कम्प्युटर दृष्टि प्रविधि
- गहिरो फीडफर्वार्ड नेटवर्कहरू
- गहिरो मोडेलहरू प्रशिक्षणको लागि अनुकूलन
- व्यावहारिक पद्धति
- गहिरो अध्ययन अनुसन्धान
निष्कर्ष
20 शीर्ष मेशिन लर्निंग पुस्तकहरू त्यो सूचीमा संक्षेपित छन्, जुन तपाईंले आफ्नो मनपर्ने दिशामा मेसिन लर्निङ प्रगति गर्न प्रयोग गर्न सक्नुहुन्छ।
यदि तपाईंले यी विभिन्न पाठ्यपुस्तकहरू पढ्नुभयो भने तपाईंले मेसिन लर्निङ विशेषज्ञता र क्षेत्रमा काम गर्दा प्रयोग गर्न सक्ने सन्दर्भ पुस्तकालयमा ठोस आधार विकास गर्न सक्षम हुनुहुनेछ।
तपाईंले एउटा किताब मात्र पढ्नुभयो भने पनि तपाईं सिक्न, अझ राम्रो हुँदै जान, र प्रभाव पार्न प्रेरित हुनुहुनेछ।
जब तपाईं आफ्नो मेसिन लर्निङ एल्गोरिदमहरू विकास गर्न तयार र सक्षम हुनुहुन्छ भने, तपाईंको परियोजनाको सफलताको लागि डाटा अत्यावश्यक छ भन्ने कुरालाई ध्यानमा राख्नुहोस्।
जवाफ छाड्नुस्